喘息の小児における肺音の自動解釈に関する深層学習：スコーピングレビューと強み、弱み、機会、脅威の分析
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Automated Interpretation of Lung Sounds by Deep Learning in Children With Asthma: Scoping Review and Strengths, Weaknesses, Opportunities, and Threats Analysis
雑誌名：J Med Internet Res. 2024 Aug 23; 26: e53662.
概 要：
本研究は、小児喘息における肺音の解釈に関する文献を客観的にレビューし、AI支援の肺音聴診の強み、弱み、機会、脅威を評価することを目的としています。AIを活用することで、評価の標準化が進み、予測能力の向上が期待されます。文献検索は、主要な科学データベースとグレーリテラチャーを用いて行われ、2000年1月1日から2023年5月23日までに発表された関連研究を特定しました。
方 法：
PubMed、MEDLINE Ovid、Embase、Web of Scienceの4つの主要な科学データベースを用いて、小児喘息におけるAI支援の肺音分析に関するスコーピングレビューを実施しました。検索戦略には、AI、肺聴診、子供、喘息に関連するキーワードの組み合わせが含まれました。適格な研究の質は、ChAMAI（医療人工知能評価チェックリスト）を用いて評価しました。
結 果：
学術文献検索からは82件中7件（9%）、グレーリテラチャー検索からは250件中11件（4.4%）が関連研究として考慮されましたが、後のレビューと質評価には含まれませんでした。全ての研究は外部検証の欠如により、ChAMAIスコアが低から中程度でした。AIの強みとしては、早期診断を可能にする予測精度の向上、個別化管理戦略、遠隔モニタリング能力が挙げられます。一方、研究間の異質性やデータ収集・解釈の標準化の欠如が弱みとして指摘されました。
結 論：
自動化された肺聴診の機会を実現するためには、世界的に代表的な集団における大規模なデータ収集を行い、協調学習の新しいアプローチを活用することで、弱みや脅威に対処する必要があります。